常见图片格式详解

关注

转载最新推荐文章于 2026-06-19 14:43:19 发布 2.6k 阅读 AI 写同款· GEO 优化 ›

JPEG图片编码格式分析图片展示需要BGR模式的三维向量，图片的编码是把BGR图片编码成文件能存储的格式，解码则反之。目前常见的编码为jpg、png、gif等。新兴的如webp、heic。 BMP 从简单入手，BMP是最简单的编码方式，甚至数十行代码就能完成编码和解码简单的程序。 bmp由文件头和位图信息头组成 import struct import numpy as np BITMAP_FILE_HEADER_FMT = '<2sI4xI' BITMAP_FILE_HEADER_SIZE = struct. 阅读详情

RGB排列顺序
绝大多数图形库或环境是BGR/BGRA排列，cocoa中的NSImage或UIImage是RGBA排列。

http://www.cnblogs.com/xiangism/p/5311314.html

做了几年有关图形、图像的工作，对图片格式算是小有经验，在此写成一文章总结下。虽然一开始并不想讲很理论的东西，但写完后发现几乎全是理论，细想一下关于图片格式的知识本身就是理论的东西，囧~~ 那就力求用最简单的方式将这些“理论”讲清楚吧。

常见的图片格式有bmp, jpg(jpeg), png, gif, webp等。

图像基本数据结构

要讲图片格式还先得从图像的基本数据结构说起。在计算机中, 图像是由一个个像素点组成，像素点就是颜色点，而颜色最简单的方式就是用RGB或RGBA表示, 如图所示

(图1)

(图2)

如果有A通道就表明这个图像可以有透明效果。

R,G,B每个分量一般是用一个字节(8位)来表示，所以图(1)中每个像素大小就是3*8=24位图, 而图(2)中每个像素大小是4*8=32位。

这里有三点需要说明:

一、图像y方向正立或倒立

图像是二维数据，数据在内存中只能一维存储，二维转一维有不同的对应方式。比较常见的只有两种方式: 按像素“行排列”从上往下或者从下往上。

如图所示的图像有9个像素点，如果从上往下排列成一维数据是(123456789)，如果是从下往上排列则为(789456123)。
只所以会有这种区别是因为，前一种是以计算机图形学的屏幕坐标系为参考(右上为原点,y轴向下 )，而另后一种是以标准的数学坐标系为参考(右下为原点,y轴向上)。这两个坐标系只是y值不一样，互相转换的公式为:

y2 = height-1-y1

y1,y2分别为像素在两个坐标系中的y坐标，height为图像的高度。

不过好像只有bmp图片格式以及windows下的GDI，GDI+是从下往上排列，其它比如DirectX,OpenGL,Cocoa(NSImage, UIImage),OpenCV等都是从上往下排列。

二、RGB排列顺序

不同图形库中每个像素点中RGBA的排序顺序可能不一样。上面说过像素一般会有RGB,或RGBA四个分量，那么在内存中RGB的排列就有6种情况，如下:

RGBA的排列有24种情况，这里就不全部列出来了。
不过一般只会有RGB,BGR, RGBA, RGBA, BGRA这几种排列据。绝大多数图形库或环境是BGR/BGRA排列，cocoa中的NSImage或UIImage是RGBA排列。

三、像素32位对齐

如果是RGB24位图，会存在一个32位对齐的问题——
在x86体系下，cpu一次处理32整数倍的数据会更快，图像处理中经常会按行为单位来处理像素。24位图，宽度不是4的倍数时，其行字节数将不是32整数倍。这时可以采取在行尾添加冗余数据的方式，使其行字节数为32的倍数。
比如，如果图像宽为5像素，不做32位对齐的话，其行位数为24*5=120，120不是32的倍数。是32整数倍并且刚好比120大的数是128，也就只需要在其行尾添加1字节(8位)的冗余数据即可。(一个以空间换时间的例子)
有个公式可以轻松计算出32位对齐后每行应该占的字节数

byteNum = ((width * 24 + 31) & ~31)>>3;

注意结果是字节数，如果想知道位数，还得x8

图片格式的必要性

如果将图像原始格式直接存储到文件中将会非常大，比如一个5000*5000 24位图，所占文件大小为5000*5000*3字节=71.5MB, 其大小非常可观。
如果用zip或rar之类的通用算法来压缩像素数据，得到的压缩比例通常不会太高，因为这些压缩算法没有针对图像数据结构进行特殊处理。
于是就有了jpeg,png等格式，同样是图像压缩算法jpeg和png也有不同的适用场景，具体在下文再阐述。

所以可以总结如下: jpeg,png文件之于图像，就相当于zip,rar格式之于普通文件(用zip,rar格式对普通文件进行压缩)。

BMP格式

bmp格式没有压缩像素格式，存储在文件中时先有文件头、再图像头、后面就都是像素数据了，上下颠倒存储。
用windows自带的mspaint工具保存bmp格式时，可以发现有四种bmp可供选择：
单色: 一个像素只占一位，要么是0，要么是1，所以只能存储黑白信息
16色位图: 一个像素4位，有16种颜色可选
256色位图: 一个像素8位，有256种颜色可选
24位位图: 就是图(1)所示的位图，颜色可有2^24种可选，对于人眼来说完全足够了。

这里为了简单起见，只详细讨论最常见的24位图的bmp格式。

现在来看其文件头和图片格式头的结构:

文件头信息
字段	大小(字节)	描述
bfType	2	一定为19778，其转化为十六进制为0x4d42，对应的字符串为BM
bfSize	4	文件大小
bfReserved1	2	一般为0
bfReserved2	2	一般为0
bfOffBits	4	从文件开始处到像素数据的偏移，也就是这两个结构体大小之和

bmp图片结构头
字段	大小(字节)	描述
biSize	4	此结构体的大小
biWidth	4	图像的宽
biHeight	4	图像的高
biPlanes	2	图像的帧数，一般为1
biBitCount	2	一像素所占的位数，一般是24
biCompression	4	一般为0
biSizeImage	4	像素数据所占大小，即上面结构体中文件大小减去偏移(bfSize-bfOffBits)
biXPelsPerMeter	4	一般为0
biXPelsPerMeter	4	一般为0
biClrUsed	4	一般为0
biClrImportant	4	一般为0

本来在windows平台下wingdi.h文件中已经有这些结构的定义，不过为了不依赖与windows，实现为跨平台，本人将wingdi.h中的这两个结构“偷用”出来了。代码如下：

Bmp结构体

由于bmp格式比较简单，本人已实现了一份简单的c++代码，具有读取、保存bmp图片的功能，只支持24位的bmp格式。

代码在 http://git.oschina.net/xiangism/blogData 的“常见图片格式详解/ImageDemo/BmpDemo”文件夹中。

虽然这里只建立了vs2008项目，但代码在linux, mac平台下都可以编译通过。

需要说明的是为了统一处理，将bmp读取到LBitmap::m_pixel中时就将其转化为32位从上往下排列的图像格式了。并且会有y坐标的转化。
所以在读取的时候会有一个temp_line先存储文件中的24位数据，再转化为32位数据。在保存时也是先将32位数据转化到temp_line的24位数据上，然后再写入文件。(如果仅仅是处理bmp，那么这么多的一个A通道是冗余数据，但后面处理png图片时就会用到这个A通道)

如果用上面的代码来读取如图所示的图片(放大8倍后的显示图):

右上角像素为RGB(255, 128, 0)

1 ln::LBitmap bmp;
2 bmp.ReadBmp(L"one.bmp");
3 unsigned char *p = bmp.Pixel(0, 0);
4 printf("%d, %d, %d\n", p[0], p[1], p[2]); //显示左上角的像素值
5 bmp.WriteBmp(L"out.bmp");                 //保存到文件，可以测试是否能正确读取和保存bmp

运行的结果为: 0,128,255
可以看出像素分布为BGR

ps:

bmp格式也是可以压缩.
bmp格式也可以有颜色板。颜色板就是一个颜色的索引，上面说过bmp格式一个像素可以只有2个,16个或256个取值。就拿单色位图来说明，默认为0对应RGB(0,0,0) 1,对应RGB(255, 255, 255)
如果颜色板这样定义:
0对应 RGB(255,0, 0)红
1对应 RGB(0, 255, 0)绿
这样黑白图就成了红绿图

JPEG格式

jpeg是有损压缩格式, 将像素信息用jpeg保存成文件再读取出来，其中某些像素值会有少许变化。在保存时有个质量参数可在[0,100]之间选择，参数越大图片就越保真，但图片的体积也就越大。一般情况下选择70或80就足够了。
jpeg没有透明信息。
jpeg比较适合用来存储相机拍出来的照片，这类图像用jpeg压缩后的体积比较小。其使用的具体算法核心是离散余弦变换、Huffman编码、算术编码等技术，有兴趣的同学可以在网上找一大堆资料，本文就不详细介绍了。

接下来要介绍一个有关jpeg非常实用的技术——
jpeg格式支持不完全读取整张图片，即可以选择读取原图、1/2、1/4、1/8大小的图片
比如5000*5000的一张大图，可以只读取将其缩小成1/8后即625*625大小的图片。这样比先完全读取5000*5000的图像，再用算法缩小成625*625大小不知快多少倍。
如果应用需求只需要一张小图时，这种读取方式就可以大显身手了。

在c代码中读取jpeg一般是使用libjpeg, 这个库提供了不完全读取图片的功能。

给ln::LBitmap添加有关jpeg的接口，如下ReadJpeg()第三个参数fraction可取值为1,2,4,8，分别对应1/1,1/2,1/4,1/8

JpegAPI

具体的实现在JpegDemo
用上面的函数进行jpeg的读取和保存的测试

```
ln::LBitmap bmp;
bmp.ReadBmp(L"one.bmp");
unsigned char *p = bmp.Pixel(0, 0);
printf("%d, %d, %d\n", p[0], p[1], p[2]);
bmp.WriteJpeg(L"one.jpg", 90);
```

读取one.bmp图片，然后保存成jpeg格式，one.jpg放大后显示如下

发现左上角的颜色发生了变化，并且也影响到周围的像素，就算将上面WriteJpeg()第二个参数换成100，也还是这种效果，这是Jpeg格式无法避免的问题
但如果读取一张风景照，再保存成Jpeg，就几乎看不出有什么差别了。

android平台下实现jpeg预读

BitmapFactory.Options opt = new BitmapFactory.Options();
opt.inJustDecodeBounds = true;
BitmapFactory.decodeFile(info.fullPath, opt); //这里仅仅只读取jpeg的大小
opt.inJustDecodeBounds = false;
if (opt.outWidth > opt.outHeight) {
    opt.inSampleSize = opt.outWidth / phSize;//hpSize是允许的图片宽高的最大值
} else {
    opt.inSampleSize = opt.outHeight / phSize;
}
Bitmap b = BitmapFactory.decodeFile(info.fullPath, opt);

将BitmapFactory.Options的inJustDecodeBounds 设置为true后，就只会读取Jpeg的大小，而不会去解析像素数据。然后再设置inSampleSize后，就可以根据这个值来读取适当大小的图片，研究android的源码后可以发现底层也是调用的libjpeg库来实现。

ios,mac

本人还没有在ios/mac中发现如何预读jpeg的官方API。Apple对图形、图像、多媒体领域提供了丰富接口，如果这个功能真没实现就太令我惊讶了! 不过ObjectC完全兼容C，可以调用libjpeg库来实现这个功能。

.NET下仅读取jpeg的大小

下面是用c#仅仅读取jpeg宽高(没有解析像素数据), 直接用C#读取1/2,1/4,1/8还不知道如何实现

FileStream stream = new FileStream(path, FileMode.Open);
Image img = Image.FromStream(stream, false, false);  //关键是将第三个参数设置为false
Console.WriteLine("size: {0},{1}", img.Width, img.Height);

jpeg批量转化工具

用相机拍出来的原始jpeg图片是高保真质量, 所占文件体积非常大,本人写了一个批量转化的工具,可以将jpeg的质量都转化成80, 图像的宽高不变, 这时人眼几乎看不出有什么差别, 但其体积只有原来的1/3. 如果有大量的照片需要保存时, 节约的空间就很客观了。实现原理很简单, 就是读取jpeg文件, 然后再保存.
用c#实现的，代码量非常少，在此贴出全部源码

JpegBatchConvert

Exif信息

另外jpeg文件一般有一个附属的exif信息，这个信息中有图像大小，拍摄时间，拍摄的相关参数，照片方向，图像缩略图等信息。

用相机拍出来的jpeg都会有这个信息。如果照片方向不是正立的话，在读取到像素取后，还得按exif所指明的方向将图像旋转下。mspaint程序就没有做这个处理，有些图片用picasa查看和用mspaint查看方向就不一样。当然为了简单起见，上面的LBitmap中也自动忽略了exif信息及其图像拍摄时的方向。

如果不用读取1/2,1/4,1/8的方法，也可以从exif中来读取缩略图，但这个缩略图一般很小。

说到exif，不得不说一款用perl实现的命令行工具:exiftool。几乎所有的多媒体文件(图像、音乐、视频)都可以用这个工具来查看其有关信息，当然如果不是jpeg文件就是指广义上的"exif"。在git中有已经编译好可执行文件exiftool.exe。使用方法是将这个文件放到系统路径下，然后在想查看的文件路径下执行 exiftool filename

在实现BatchJpeg工具时如果仅仅用上面实现的LBitmap来读取,保存, 将会失去exif信息, 而相片的拍摄时间等信息又很重要, 所以还得用另一个库exiv2来读取写入exif。如果用c#, 用上面的代码exif信息会自动保留下来。默默地向c#致敬。

intelJpeg库

如果在win32环境下对jpeg IO速度有很高的要求，可以使用interlJpeg库，不开源，但提供有*.h,*.lib文件。这个库可以大大提高jpg读取、保存速度。

当时分别用c#和c实现了jpeg批量转化工具，在处理大量图片时发现c#用时居然只有c的一半。太奇怪了，按理说，c的速度比c#应该快才对啊，而实事是c慢了这么多。最后发现问题就在libjpeg上，用了intetJpeg后速度就和c#差不多了(猜想.NET内部也是用intelJpeg来处理jpeg)。

PNG格式

png是一种无损压缩格式，压缩大概是用行程编码算法。
png可以有透明效果。
png比较适合适量图,几何图。比如本文中出现的这些图都是用png保存，比用joeg保存体积要小。

再强调一下: jpeg比较适合存储色彩“杂乱”的拍摄图片，png比较适合存储几何特征强的图形类图片。

png可能有24位图和32位图之分。32位图就是带有alpha通道的图片。
将图片a绘制到另一幅图片b上，如果图片a没有alpha通道，那么就会完全将b图片的像素给替换掉。而如果有alpha通道，那么最后覆盖的结果值将是c = a*alpha + b*(1-alpha)
再对LBitmap添加png的支持。
添加接口如下:

static bool ReadPngSize(const wchar_t *path, int *width, int *height);
static bool IsPngFile(const wchar_t *filename);
bool ReadPng(const wchar_t *filename);
bool WritePng(const wchar_t *filename);

具体实现在PngDemo中。有调用libpng库，并且libpng库依赖zlib库(由此可以看出png算法有用到常规的压缩算法)。

GIF格式

上面提到的bmp,jpeg,png图片都只有一帧，而gif可以保存多帧图像，如图所示

libgif库可以用来读取gif图片。gif中有个参数可以控制图片变化的快慢。在程序中可以使用这个参数，也可以自己定义一个参数，这就是为什么gif图片，在不同程序中查看时其变化速度不一样。

webp

google开发的一种有损、透明图片格式，相当于jpeg和png的合体，google声称其可以把图片大小减少40%。

一个强大的格式库,CxImage

CxImage几乎可以读取任何图片格式

下面是其头文件中的宏定义:

#define CXIMAGE_SUPPORT_WINDOWS 1
#define CXIMAGE_SUPPORT_EXIF    1
#define CXIMAGE_SUPPORT_BMP 1
#define CXIMAGE_SUPPORT_GIF 1
#define CXIMAGE_SUPPORT_JPG 1
#define CXIMAGE_SUPPORT_PNG 1
#define CXIMAGE_SUPPORT_ICO 1
#define CXIMAGE_SUPPORT_TIF 1
#define CXIMAGE_SUPPORT_TGA 1
#define CXIMAGE_SUPPORT_PCX 1
#define CXIMAGE_SUPPORT_WBMP 1
#define CXIMAGE_SUPPORT_WMF 1

#define CXIMAGE_SUPPORT_JP2 1
#define CXIMAGE_SUPPORT_JPC 1
#define CXIMAGE_SUPPORT_PGX 1
#define CXIMAGE_SUPPORT_PNM 1
#define CXIMAGE_SUPPORT_RAS 1

#define CXIMAGE_SUPPORT_MNG 1
#define CXIMAGE_SUPPORT_SKA 1
#define CXIMAGE_SUPPORT_RAW 1
#define CXIMAGE_SUPPORT_PSD 1